адамдан-адамга кредит катары da adlandırılan P2P кредит платформаларында жеке yatırımcılar, керектөөчүлөрдүн кредит суроо-талаптарын түздөн-түз каржылай алат. Bazı алгачкы мезгил платформаларда пайыздык чен бир банк же алгоритм тарабынан алдын ала белгиленчү эмес; инвесторлордун дагы төмөн faiz сунуштары менен атаандаштык эткен тескери аукцион натыйжасында түзүлчү. Бул yapı, profesyonel болбогон инвесторлордун кредиттик тобокелдикni кайсы bilgilere dayanarak değerlendirdiğini байкооlemek үчүн ender бир изилдөө ortamı sunmaktadır.

Reto Rey жана Andreas Dietrich тарабынан даярдалган изилдөө, 2008–2014 арасында Швейцария’nin önde gelen бир P2P кредит platformunda каржылай edilmiş 665 tüketici kredisini изилдейт. Araştırmacılar кредит суммасы, vade, карыз–киреше катышы, gelir, yaş, vatandaşlık, ev sahipliği, medeni durum, 16 жаштан кичүү çocukların varlığı жана makroekonomik koşullar сыяктуу değişkenlerin yatırımcılar тарабынан belirlenen пайыздык ченyla ilişkisini анализ etmiştir.

Ortalama karşılaştırmada kadınlarla эркектер арасында güvenilir бир faiz айырмасы bulunmamıştır. Бирок cinsiyet; medeni durum жана hanede бала bulunmasıyla бирге incelendiğinde маанилүү бир үлгү пайда çıkmıştır. Evli болбогон жана 16 жаштан кичүү en аз бир çocuğu болгон аялдар, ошол эле aile durumundaki erkeklere карата орточо болжол менен 124 базистик пункт, yani 1,24 пайыздык пункт дагы жогорку faiz ödemiştir.

Çalışmanın “olgunlaşmış piyasa мезгилi” катары tanımladığı 2013–2014 alt тандалмаinde bu айырма болжол менен 221 базистик пунктa yükselmektedir. Buna karşılık çocuğu болбогон evli же үй-бүлө курбаган borçlularda жана толук тандалмаde балалуу evli borçlularda kadınlarla эркектер арасында статистикалык жактан ишенимдүү бир fiyat айырмасы bulunmamıştır.

Бул жыйынтык “аялдар genel катары дагы жогорку faiz ödüyor” anlamına gelmemektedir. Айырма гана белгилүү бир hane yapısında görünür hâle gelmektedir. Çalışmanın негизги katkısı da cinsiyetin tek başına ele alınmasının, үй-бүлө курбаган annelerin karşılaştığı fiyatlama farkını gizleyebileceğini göstermesidir.

Бирок merkezî табылга кичи бир alt gruba dayanmaktadır. Толук тандалмаde 16 жаштан кичүү çocuğu болгон үй-бүлө курбаган гана 19 аял жана 14 эркек borçlu vardır. Dolayısıyla жыйынтык ekonomik катары чоң жана çeşitli бекемдик modellerinde yön bakımından tutarlı olsa da tahminin kesinliği жана başka piyasalara genellenebilirliği konusunda güçlü ihtiyat gerekmektedir.

Изилдөө, инвесторлордун кредиттик тобокелдикni bütünüyle gelişigüzel değerlendirmediğini de көрсөтөт. Дагы узак vadeli жана дагы чоң krediler, жогорку карыз–киреше катышы, дагы yoğun кредит talebi, жогорку işsizlik жана жогорку risksiz пайыздык чен дагы жогорку кредит faizleriyle байланыштууdir. Толук модель, krediler arasındaki faiz farklarının болжол менен %76,5’ini açıklamaktadır.

Муну менен бирге изилдөө, үй-бүлө курбаган annelere uygulanan ek faizin gerçek дефолт riskini doğru түрдө yansıtıp yansıtmadığını belirleyememektedir. Araştırmacılar, farkın инвесторлордун gelir dalgalanması, tek gelirli hane yapısı же бала bakım yükümlülükleri hakkındaki тобокелдик algılarından doğabileceğini билдирет. Veriler, bu algının doğru бир istatistiksel тобокелдик değerlendirmesi mi, aşırı genelleme mi же ayrımcı бир tercih mi болгонун birbirinden ayırmaya yeterli эмес.

Илимий эскертүү: Çalışma рецензиядан өтпөгөн бир препринтtir. Гана каржылай edilmiş kredileri incelemekte; reddedilen ya da yeterli yatırımcı bulamayan başvuruları жана kredilerin дагы кийинки gerçek дефолт sonuçlarını анализ etmemektedir. Жыйынтыктар günümüzdeki algoritmik P2P кредит piyasalarına түздөн-түз genellenmemelidir.

Araştırmanın негизги sorusu

Geleneksel бир bankada tüketici kredisine uygulanacak faiz, kurumun кредит skorlama системасы, тобокелдик politikası жана çalışan değerlendirmeleriyle belirlenir. İncelenen P2P platformunda болсо пайыздык чен, krediyi kendi paralarıyla каржылай eden жеке инвесторлордун ачык аукцион tekliflerinden oluşmaktadır.

Бул себептен araştırmanın merkezindeki soru гана кредиттик тобокелдикnin nasıl ölçüldüğü эмес. Дагы geniş soru şudur:

Eksik маалымат altında чечим veren profesyonel болбогон yatırımcılar кредиттик тобокелдикni системалуу түрдө fiyatlayabiliyor mu жана карыз алуучунун cinsiyeti менен aile yapısı bu fiyatlamayı etkiliyor mu?

Araştırmacılar анализи iki aşamalı бир düşünceyle kurmuştur:

1. Faiz oranlarındaki farklılıkların канчалык kadarı gözlenebilir кредит, borçlu жана makroekonomik тобокелдик göstergeleriyle açıklanabilir?
2. Standart тобокелдик göstergeleri көзөмөл edildikten кийин cinsiyet, medeni durum жана çocukların varlığıyla байланыштуу системалуу fiyat farkları kalıyor mu?

адамдан-адамга кредит piyasası nedir?

P2P кредит platformları borç almak isteyen tüketicilerle sermayesini faiz karşılığında kullandırmak isteyen yatırımcıları dijital ortamda buluşturur. Platform başvuruları toplar, asgari uygunluk kontrollerini yapar жана yatırımcılara standartlaştırılmış bilgiler sunar.

Бул modelde geleneksel банк tamamen ortadan kalkmasa bile klasik mevduat toplama жана банк bilançosundan кредит verme işlevinin маанилүү бир bölümü yerini түздөн-түз yatırımcı finansmanına bırakmaktadır.

P2P кредит piyasalarında iki негизги faiz belirleme yöntemi vardır:

• Sabit же platform тарабынан belirlenen fiyat: Platformun тобокелдик modeli ар бир borçlu үчүн пайыздык чен belirler.
• Ters ачык аукцион: Жеке yatırımcılar krediyi каржылай edebilmek үчүн talep ettikleri пайыздык ченnı teklif eder; дагы төмөн faiz teklifleri öncelik kazanır.

Günümüzde чоң platformların çoğu убакыт kazanmak, süreci basitleştirmek жана тобокелдик fiyatlamasını standartlaştırmak amacıyla platform тарабынан belirlenen faizlere yöneldiği belirtilmektedir. Бул себептен incelenen tarihsel маалымат, insan инвесторлордун algoritmik öneri olmadan fiyat түзгөн жана artık чоң деңгээлде ortadan kalkmış бир piyasa düzenini көрсөтөт.

Ters ачык аукцион nasıl çalışıyordu?

Borçlu platforma кредит tutarını, vadeyi жана kabul edebileceği en жогорку пайыздык ченnı belirterek başvurmuştur. Platform, gelir istikrarı, borç yükü жана кредит geçmişiyle ilgili asgari koşulları sağlayan başvuruları yatırımcılara açmıştır.

Ачык аукцион sırasında yatırımcılar:

• Yatırmak istedikleri суммасы,
• Бул сумма karşılığında kabul edecekleri en төмөн пайыздык ченnı

bildiren bağlayıcı teklifler sunmuştur.

Teklifler пайыздык ченna карата sıralanmış жана talep жасалган кредит суммасы tamamen каржылай edilene чейин en төмөн faizli teklifler kabul жасалган. Ошол эле кредит birden көп yatırımcı тарабынан жана ар түрдүү faiz oranlarından каржылай edilebildiği үчүн изилдөөdaki жыйынтык өзгөрмөсү, kabul жасалган tekliflerin yatırım tutarıyla ağırlıklandırılmış орточо faizidir.

İncelenen мезгилde Швейцария düzenlemesi бир krediye katılabilecek yatırımcı sayısını en fazla 20 менен sınırlandırmıştır. Örneğin 20.000 Швейцария frangı tutarındaki бир kredide yatırımcı başına орточо taahhüt en аз болжол менен 1.000 frank olmak zorundadır. Кредит суммасы büyüdükçe инвесторлордун tek бир borçlu үстүндө yoğunlaşan kayıp riski artabilir. Araştırmacılar, чоң кредит tutarlarına uygulanan ek faizi bu “yetersiz çeşitlendirme primi” менен ilişkilendirmektedir.

Eksik маалымат neden маанилүү?

Borçlular kendi gelir istikrarları, gelecekteki harcamaları жана geri ödeme niyetleri hakkında yatırımcılardan дагы fazla bilgiye sahiptir. Finans literatüründe bu durum маалымат asimetrisi катары adlandırılır.

Bankalar bu маселеси кредит geçmişi, teminat, gelir doğrulaması, iç тобокелдик modelleri жана узак мөөнөттүү müşteri ilişkileriyle azaltabilir. P2P piyasasındaki жеке инвесторлордун болсо çoğu убакыт дагы sınırlı bilgiye, дагы аз uzmanlığa жана borçluyla түздөн-түз görüşme imkânı olmadan чечим vermesi керек.

Бул koşullarda yatırımcılar iki tür davranış gösterebilir:

• Gelir, borç yükü жана vade сыяктуу кредиттик тобокелдикyle байланыштуу bilgileri системалуу түрдө kullanabilir.
• Eksik bilgiyi tamamlamak үчүн demografik özelliklere, toplumsal rollere же sezgisel kurallara aşırı ağırlık verebilir.

Çalışma bu iki olasılığın ошол эле anda gerçekleşebileceğini көрсөтөт: genel fiyatlama чоң деңгээлде тобокелдик göstergeleriyle uyumludur, бирок белгилүү hane türlerinde demografik катары yoğunlaşan fiyat farkları da пайда çıkmaktadır.

Cinsiyet neden tek başına yeterli эмес?

Бир маалымат топтомуnde бардык kadınların орточо пайыздык чен бардык erkeklerle karşılaştırıldığında ар түрдүү hane durumları ошол эле kategori ичинде birleşir. Evli аялдар, үй-бүлө курбаган аялдар, балалуу жана çocuksuz аялдар ошол эле орточоnın parçası olur.

Бул toplulaştırma, белгилүү alt gruplardaki zıt yönlü etkilerin birbirini silmesine neden болушу мүмкүн. Örneğin evlilik балалуу аялдар үчүн инвесторлордун algıladığı ekonomik güvenceyi artırırken, балалуу жана үй-бүлө курбаган аялдар үчүн tek gelir, bakım yükü же gelir oynaklığı algısı faiz primini yükseltebilir.

Araştırmacılar bu себептен гана “аял” değişkenini modele eklemekle yetinmemiş; aşağıdaki üç özelliğin ortak etkisini tahmin etmiştir:

• Cinsiyet,
• Evli olup olmama,
• Hanede 16 жаштан кичүү бала bulunup bulunmaması.

Modelde ana etkilerin yanı sıra ikili etkileşimler жана толук üçlü etkileşim колдонулган:

\[ Female_i \times Married_i \times Children_i \]

Бул kesişimsel yaklaşım, аял olmanın faiz üzerindeki ilişkisinin aile yapısına карата değişmesine izin vermektedir.

Fiyat айырмасы кайсы mekanizmalardan doğabilir?

Çalışma, gözlenen farkın kaynağını түздөн-түз belirleyememektedir. Бирок üç түшүндүрмө çerçevesi sunmaktadır.

Gerçek же algılanan кредиттик тобокелдик

Yatırımcılar, үй-бүлө курбаган жана балалуу бир карыз алуучунун tek gelirle дагы fazla düzenli gider karşıladığını, бала bakımından kaynaklanan изилдөө kısıtları yaşayabileceğini же gelir kaybına каршы дагы sınırlı hane ичи sigortaya ээ болгонун düşünebilir.

Бул algılar gerçek geri ödeme olasılığıyla doğru orantılıysa fiyat айырмасы тобокелдик temelli болушу мүмкүн. Бирок изилдөө дефолт sonuçlarını kullanmadığı үчүн bu olasılığı doğrulayamamaktadır.

İstatistiksel ayrımcılık

Yatırımcılar жеке карыз алуучунун gözlenemeyen riskini değerlendirirken ait болгону toplumsal grubun varsayılan özelliklerini vekil катары kullanabilir. Бул davranış ачык бир düşmanlık içermese bile ошол эле finansal özelliklere ээ bireylerin grup üyeliği nedeniyle ар түрдүү fiyatlanmasına yol açabilir.

Tercih temelli ayrımcılık же önyargı

Yatırımcıların белгилүү бир gruba каршы riskten bağımsız olumsuz tercihi de дагы жогорку faiz taleplerine neden болушу мүмкүн. Бирок маалымат топтому инвесторлордун motivasyonlarını же ошол эле тобокелдик düzeyindeki gerçek дефолт sonuçlarını göstermediği үчүн tercih temelli жана istatistiksel ayrımcılığı birbirinden ayırmak mümkün эмес.

Маалымат seti

Veriler, Nisan 2008 менен Aralık 2014 арасында Швейцария’de faaliyet gösteren чоң бир P2P кредит platformundan elde жасалган. Platformun bu мезгилde Швейцария P2P piyasasındaki payı yıllara карата болжол менен %60 менен %99 арасында değişmiştir.

Örneklem, platform аркылуу başarıyla каржылай edilmiş 665 жеке tüketici kredisinden oluşmaktadır. Кредит жазуулар anonimleştirilmiş жана жеке катары tanımlanabilir bilgiler изилдөөчүлөрa verilmemiştir.

Маалымат setindeki кредит жана borçlu bilgileri kamuya ачык эмес. Бул gizlilik, изилдөөчүлөрa ayrıntılı işlem bilgileri sağlasa da bağımsız изилдөөчүлөрın анализи ошол эле ham veriyle кайра üretmesini sınırlandırmaktadır.

Makroekonomik veriler:

• Швейцария işsizlik катышы,
• Üç yıllık Швейцария devlet tahvili getirisi,
• Swiss Market Index’in üç aylık performansı

аркылуу oluşturulmuştur.

Örneklemin genel özellikleri

Piyasanın алгачкы жана olgunlaşmış мезгилi

Araştırmacılar тандалмаi iki мезгилe ayırmıştır:

• 2008–2012: platformun алгачкы мезгилi, 352 кредит,
• 2013–2014: изилдөөda olgunlaşmış мезгил катары tanımlanan мезгил, 313 кредит.

Şekil 1’deki faiz dağılımları, iki мезгил арасында ачык аукцион rekabetinin değiştiğini көрсөтөт. İlk мезгилde gerçekleşen faizler, borçluların kabul etmeye hazır oldukları azami faize yakın kümelenmiştir. Бул görünüm yatırımcı sayısının жана teklif rekabetinin дагы sınırlı olduğuna işaret etmektedir.

İkinci мезгилde borçluların маанилүү бир bölümü %12 же дагы жогорку azami faiz bildirmiş olmasına rağmen, kredilerin чоң çoğunluğu %10’un altında sonuçlanmıştır. Дагы fazla yatırımcı жана дагы yoğun атаандаштык, карыз алуучунун ödeme isteğinin altındaki faizlerin keşfedilmesini sağlamıştır.

Azami faiz kısıtının канчалык чейин bağlayıcı болгону yıllar ичинде ayrıca incelenmiştir. 2008’de бардык krediler карыз алуучунун azami kabul edilebilir faizinin 25 базистик пункт ичинде sonuçlanırken bu үлүш 2014’te %19’a düşmüştür. Бул değişim, platform olgunlaştıkça gerçekleşen fiyatın карыз алуучунун başlangıç tavanından дагы fazla uzaklaşıp yatırımcı rekabetiyle oluştuğunu көрсөтөт.

P2P faizleri geleneksel tüketici kredileriyle nasıl karşılaştırıldı?

Çalışmada Швейцария’nin önde gelen tüketici kredisi sağlayıcısının 2014 yılı ağırlıklı орточо жеке кредит faizinin %11,33 болгону aktarılmaktadır. Ошол эле мезгилde P2P platformunun 2013–2014 орточоsı %8,45’tir.

Aradaki айырма:

\[ 11{,}33\%-8{,}45\%=2{,}88\% \]

yani болжол менен 288 базистик пунктdır. Бул karşılaştırma P2P kredilerinin ар бир borçlu үчүн geleneksel krediden дагы ucuz болгонун далилlamaz. Borçlu profilleri, onay koşulları жана ürün özellikleri ошол эле olmayabilir. Гана incelenen тандалмаin мезгилsel орточоsını көрсөтөт.

Негизги ekonometrik модель

Araştırmacıların başlangıç modeli şöyledir:

\[ Rate_{it} = \alpha+ \beta_1 Loan_i+ \gamma_1 Borrower_i+ \delta_1 Macro_t+ \varepsilon_i \]

Burada:

• \(Rate_{it}\), \(t\) tarihinde ачык artırması tamamlanan \(i\) kredisinin орточо пайыздык ченdır.
• \(Loan_i\), vade, кредит суммасы жана son 90 gündeki ачык аукцион саны сыяктуу кредит özelliklerini içerir.
• \(Borrower_i\), карыз–киреше катышы, vatandaşlık, ev sahipliği, yaş, gelir, medeni durum, cinsiyet жана бала bilgilerini içerir.
• \(Macro_t\), işsizlik катышы, devlet tahvili getirisi жана borsa performansı сыяктуу makroekonomik koşulları içerir.
• \(\varepsilon_i\), modelin açıklayamadığı faiz farklılıklarını өкүлдүк eder.

Tahminler sağlam стандарттык катаlar kullanan olağan en кичи kareler yöntemiyle yapılmıştır.

Dört aşamalı модель geliştirme

Azami faiz değişkeninin eklenmesi modelin түшүндүрмө gücünü маанилүү деңгээлде artırmıştır. Bunun nedeni, карыз алуучунун bildirdiği tavanın алгачкы мезгилde gerçekleşen faizi түздөн-түз sınırlaması жана ошол эле zamanda карыз алуучунун finansal sıkışıklığı же kendi тобокелдик algısı hakkında инвесторлордун göremediği bilgiler taşıyabilmesidir.

Ana модель faiz farklılıklarının болжол менен %76,5’ini açıklamaktadır. Бул жогорку үлүш, yatırımcı fiyatlamasının маанилүү бир bölümünün gözlenebilir bilgilerle системалуу түрдө байланыштуу болгонун көрсөтөт. Бирок жогорку түшүндүрмө gücü бардык коэффициентların nedensel болгонун же fiyatlamanın adil болгонун далилlamaz.

Кредит суммасы neden faizi yükseltiyor?

Ana modelde кредит tutarının коэффициентsı, ар бир 1.000 CHF үчүн болжол менен 0,031 пайыздык пунктdır. Dolayısıyla 10.000 CHF дагы чоң бир кредит:

\[ 0{,}031\times10=0{,}31 \]

пайыздык пункт, yani болжол менен 31 базистик пункт дагы жогорку faizle байланыштууdir.

Geleneksel bankalarda дагы чоң krediler işlem maliyetlerinin ölçek ekonomisi nedeniyle дагы төмөн faizle ilişkilendirilebilir. Бул P2P platformunda болсо en fazla 20 yatırımcı sınırı, чоң kredilerde yatırımcı başına düşen суммасы yükseltmektedir. Бул себептен yatırımcılar дагы fazla yoğunlaşma riskine каршы ek getiri talep etmiş болушу мүмкүн.

Vade etkisi

Ana modelde ар бир ek ay болжол менен 0,049 пайыздык пунктlık faiz artışıyla байланыштууdir. On iki aylık ek vade үчүн:

\[ 0{,}049\times12=0{,}588 \]

yani болжол менен 59 базистик пунктlık artış elde жасалат.

Дагы узак vade, карыз алуучунун gelirinde же ekonomik koşullarda olumsuz gelişme yaşanabilecek убакыт aralığını uzatır. Жыйынтык, normal getiri eğrisi жана узак vadeli тобокелдик primi beklentisiyle uyumludur.

Ачык аукцион yoğunluğu жана borçlular arası атаандаштык

Son 90 günde дагы fazla кредит talebinin bulunması, yatırımcı sermayesi үчүн дагы yoğun borçlu rekabeti anlamına gelebilir. Ачык аукцион sayısının тандалма орточоsı болгон болжол менен 31’den 62’ye yükselmesi:

\[ 0{,}037\times31\approx1{,}15 \]

пайыздык пункт, yani болжол менен 115 базистик пункт дагы жогорку faizle байланыштууdir.

Бул табылга, инвесторлордун karşısında дагы fazla кредит seçeneği olduğunda borçlulardan дагы жогорку getiri talep edebildiğini көрсөтөт.

Borç–gelir катышы

Borç–gelir катышы, карыз алуучунун бардык düzenli borç ödemelerinin aylık brüt киреше oranıdır. Oranın болжол менен %12’den %24’e çıkması:

\[ 0{,}015\times12=0{,}18 \]

пайыздык пункт, yani болжол менен 18–19 базистик пунктlık faiz artışıyla байланыштууdir.

Etki yön bakımından кредиттик тобокелдик beklentisiyle uyumludur: gelirin дагы чоң bölümü mevcut ödemelere ayrıldığında beklenmeyen giderlere каршы finansal dayanıklılık azalabilir.

Vatandaşlık жана faiz айырмасы

Швейцария vatandaşı borçlular, yabancı ülke vatandaşlarına карата болжол менен 0,488 пайыздык пункт, yani 49 базистик пункт дагы төмөн faiz ödemiştir.

Araştırmacılar bu farkın ilk bakışta eşitsiz muamele kaygısı yaratabileceğini, ancak Швейцария vatandaşları менен yabancı ikamet sahipleri arasındaki tarihsel işsizlik farklarının yatırımcılar тарабынан тобокелдик göstergesi катары kullanılmış olabileceğini билдирет.

Çalışma gerçek дефолт sonuçlarını karşılaştırmadığı үчүн 49 базистик пунктlık farkın doğru hesaplanmış бир тобокелдик primi mi, vatandaşlığın gözlenemeyen тобокелдик үчүн aşırı колдонулган бир vekili mi же ayrımcı бир fiyatlama mı болгонун belirleyememektedir.

Makroekonomik koşullar

Ana modelde:

• İşsizlik oranındaki 1 пайыздык пунктlık artış, кредит faizinde болжол менен 1,294 пайыздык пункт же 129 базистик пункт artışla,
• Üç yıllık devlet tahvili getirisindeki 1 пайыздык пунктlık artış, кредит faizinde болжол менен 0,740 пайыздык пункт же 74 базистик пункт artışla

байланыштууdir.

İşsizlik arttığında керектөөчүлөрдүн gelir kaybı жана дефолт olasılığı hakkındaki algı kötüleşebilir. Devlet tahvili getirisi yükseldiğinde болсо инвесторлордун risksiz alternatiflerden sağlayabileceği getiri artar жана tüketici kredisi үчүн talep ettikleri faiz de yükselebilir.

Swiss Market Index’in son üç aylık performansı başlangıç modelinde терс жана anlamlıyken genişletilmiş modellerde anlamlılığını kaybetmiştir.

Ortalama cinsiyet айырмасы neden kayboluyor?

Başlangıç modelinde аял değişkeni болжол менен 34,7 базистик пунктlık жана zayıf маанилүү бир айырма көрсөтөт. Azami faiz, yıl etkileri, doğrusal болбогон gelir жана yaş ilişkileri менен aile yapısı etkileşimleri eklendiğinde коэффициент 11,6 базистик пунктa düşmekte жана istatistiksel anlamlılığını kaybetmektedir.

Бул değişim, kadınlarla эркектер arasındaki fiyat farkının бардык аялдар үчүн ortak olmadığını көрсөтөт. Cinsiyet etkisi, карыз алуучунун medeni durumu жана çocuklarının olup olmamasına bağlıdır.

Şekil 2: Aile durumuna карата аял–эркек faiz айырмасы

Şekil 2’nin düşey ekseni, ошол эле medeni durum жана бала kategorisindeki kadınların erkeklere карата tahmini faiz farkını көрсөтөт. Sıfır çizgisi cinsiyet farkının olmadığını; оң баалуулуктар kadınların, терс баалуулуктар erkeklerin дагы жогорку faiz ödediğini ifade eder.

Гана үй-бүлө курбаган жана балалуу kadınlarda ишеним аралыгы sıfırın tamamen üzerindedir. Толук тандалмаde bu аялдар ошол эле durumdaki erkeklere карата орточо 124 базистик пункт дагы жогорку faiz ödemektedir.

Ortalama кредит суммасы болгон 12.170 CHF жана болжол менен 32 aylık vadede 1,24 пайыздык пунктlık faiz farkının parasal maliyeti ödeme planına карата değişir. Çalışma bu farkın toplam faiz giderini hesaplamamaktadır; bu себептен коэффициент түздөн-түз белгилүү бир toplam frank суммасы катары yorumlanmamalıdır.

Merkezî bulgunun dayandığı alt grup büyüklüğü

124 базистик пунктlık негизги табылга гана 19 үй-бүлө курбаган anne менен 14 үй-бүлө курбаган babanın karşılaştırılmasını içeren alt gruptan gelmektedir. Regresyon бардык тандалмаdeki көзөмөл değişkenlerinden yararlansa da etkili alt grup sayısının кичи болушу маанилүү.

Кичи alt тандалма:

• Aykırı байкооlerin tahmin üzerindeki etkisini artırabilir,
• Güven aralıklarını genişletebilir,
• Etkinin başka платформаларда ошол эле büyüklükte tekrarlanma olasılığı hakkında belirsizlik yaratabilir.

Бул себептен изилдөө, маанилүү бир kesişimsel fiyatlama örüntüsünü пайда koymakta; ancak kesin жана evrensel бир 124 базистик пункт kuralı kurmamaktadır.

Алгачкы жана olgunlaşmış мезгилde cinsiyet айырмасы

Evli болбогон anneler үчүн tahmin алгачкы мезгилde оң бирок istatistiksel катары belirsizdir. 2013–2014 мезгилinde айырма 221 базистик пунктa çıkmakta жана ишеним аралыгы tamamen sıfırın үстүндө бар.

Evli жана балалуу аялдар үчүн мезгилler арасында yön değişimi көрүнөт. Алгачкы мезгилde kadınların tahmini faizi erkeklerden 67 базистик пункт yüksekken дагы кийинки мезгилde 54 базистик пункт düşüktür. İkinci tahminin ишеним аралыгы sıfırı көп аз içerdiği үчүн geleneksel %5 düzeyinde статистикалык жактан маанилүү эмес.

Бул değişkenlik, evliliğin инвесторлордун балалуу аял жана эркектер hakkındaki тобокелдик algısını farklılaştırabileceğini düşündürmektedir. Araştırmacılar evliliğin аялдар үчүн gelir paylaşımı жана hane ичи sigorta algısı yaratabileceğini; балалуу evli erkeklerin болсо birincil gelir sağlayıcı катары görülmesi nedeniyle gelir kaybı riskinin hanenin ödeme kapasitesi açısından дагы маанилүү algılanabileceğini tartışmaktadır.

Бул yorumlar veriyle түздөн-түз ölçülmüş psikolojik mekanizmalar эмес. Yatırımcıların gerçek gerekçeleri gözlenmemektedir.

Piyasa olgunlaştıkça yatırımcılar дагы rasyonel mi oldu?

Dönem karşılaştırmalarında vade, карыз–киреше катышы жана кредит talebi сыяктуу geleneksel тобокелдик göstergelerinin коэффициентları 2013–2014 мезгилinde büyümektedir. Бул durum инвесторлордун deneyim kazandıkça borçluya жана кредит sözleşmesine özgü finansal bilgilere дагы системалуу ağırlık verdiği yorumuyla uyumludur.

Örneğin карыз–киреше катышыnın коэффициентsı:

• 2008–2012 мезгилinde −0,008 жана anlamsız,
• 2013–2014 мезгилinde +0,042 жана күчтүү түрдө anlamlıdır.

Vade коэффициентsı da 0,029’dan 0,075’e yükselmektedir.

Муну менен бирге ошол эле мезгилde үй-бүлө курбаган annelere uygulanan faiz farkının da büyümesi маанилүү бир gerilim yaratmaktadır. Piyasanın deneyim kazanması, бардык demografik fiyat farklılıklarını ortadan kaldırmamıştır. Yatırımcılar finansal bilgileri дагы iyi kullanırken белгилүү hane yapılarına yönelik тобокелдик algılarını da дагы keskin түрдө fiyatlamış болушу мүмкүн.

Бул себептен “piyasa olgunlaştı жана önyargılar kayboldu” түрүндө бир çıkarım изилдөө тарабынан desteklenmemektedir.

Varyans modeli neyi inceliyor?

Ortalama faiz modeli кайсы özelliklerin дагы жогорку же төмөн faizle байланыштуу болгонун gösterir. Araştırmacılar ayrıca кайсы borçlu жана кредит özelliklerinin yatırımcılar арасында дагы dağınık fiyatlamaya yol açtığını incelemiştir.

Varyans denklemi şöyledir:

\[ \log(\sigma_i^2) = \alpha+ \beta_2 Loan_i+ \gamma_2 Borrower_i+ \delta_2 Macro_t+ \epsilon_i \]

Burada \(\sigma_i^2\), ana faiz modelinden кийин kalan açıklanamayan faiz değişkenliğidir.

• Оң коэффициент, ilgili özellikte fiyatların дагы dağınık жана дагы аз öngörülebilir болгонун,
• Negatif коэффициент, fiyatlamanın дагы tutarlı болгонун gösterir.

Толук тандалмаde ev sahipleri үчүн kalan faiz değişkenliği kiracılardan дагы düşüktür. Дагы чоң жана дагы узак vadeli kredilerde de yatırımcı fiyatlaması görece дагы tutarlı görünmektedir.

2013–2014 мезгилinde кредит суммасы, карыз–киреше катышы, yaş, medeni durum, cinsiyet жана çocukların varlığı сыяктуу дагы fazla özellik kalan varyansla байланыштуу hâle gelmiştir. Araştırmacılar bunu инвесторлордун убакыт ичинде дагы көп borçlu özelliğine карата farklılaşan, дагы yapılandırılmış fiyatlama davranışı geliştirmesiyle ilişkilendirmektedir.

İçsellik маселеси

Borçlunun istediği кредит суммасы жана kabul эткен azami faiz, gerçekleşen faizden tamamen bağımsız olmayabilir. Finansmana дагы көп ihtiyaç duyan же yatırımcı talebinin zayıf olacağını düşünen бир borçlu дагы жогорку faiz tavanı belirleyebilir.

Бул durumda:

• Кредит суммасы,
• Azami kabul edilebilir faiz,
• Gerçekleşen faiz

ошол эле piyasa sürecinde бирге belirlenebilir. Olağan en кичи kareler коэффициентları bu eş zamanlılıktan etkilenebilir.

Araç değişken анализи

Araştırmacılar кредит суммасы менен azami faizi potansiyel катары içsel kabul eden iki aşamalı en кичи kareler modelleri kurmuştur. Borçlunun yaşı, geliri жана bunların kareleri araç değişken катары колдонулган.

Araç değişken sonuçları, балалуу borçlulardaki cinsiyet farkını azaltmamış; bazı modellerde дагы da büyütmüştür. Толук тандалмаde үй-бүлө курбаган жана балалуу аял–эркек айырмасы болжол менен 168 базистик пунктa, 2013–2014 мезгилinde болсо болжол менен 304 базистик пунктa ulaşmaktadır.

Бирок araç değişken sonuçları негизги OLS tahminlerinden дагы ihtiyatlı okunmalıdır:

• Толук тандалмаde Durbin–Wu–Hausman testi içselliği reddetmemekle бирге Hansen testi araçların geçerliliğini reddetmektedir.
• 2013–2014 мезгилinde aşırı tanımlama kısıtları reddedilmemiştir; ancak кредит суммасы ilk aşamasındaki F-istatistiği 5,58 менен sınırlı araç gücü kaygısı yaratmaktadır.

Бул себептен 2SLS sonuçları ana nedensel далил эмес, негизги örüntünün eş zamanlılık көзөмөл edildiğinde ortadan kalkmadığını gösteren tamamlayıcı бекемдик анализи катары değerlendirilmelidir.

Faiz tavanı sonuçları etkiliyor mu?

İncelenen мезгилde tüketici kredileri үчүн yasal azami faiz %15’tir. Өзгөчө 2009 жана 2010’da bazı kredilerin bu tavana yakın же tavanda sonuçlanması, faiz değişkeninin üstten sansürlenmesine neden болушу мүмкүн.

Araştırmacılar bu маселеси %15 tavanını dikkate alan Tobit modeliyle incelemiştir. Tobit sonuçlarının işareti жана göreli büyüklüğü ana OLS modeliyle yakından örtüşmektedir. 2013–2014 мезгилinde бардык faizler tavanın belirgin түрдө altında болгону үчүн Tobit жана OLS sonuçları neredeyse aynıdır.

Şekil 7’de үй-бүлө курбаган жана балалуу kadınların дагы жогорку faiz айырмасы Tobit modelinde de korunmaktadır. Dolayısıyla негизги табылга гана yasal faiz tavanındaki yığılmadan kaynaklanmamaktadır.

Borçlunun belirlediği azami faiz çıkarıldığında канчалык oluyor?

Azami kabul edilebilir faiz modelden çıkarıldığında ana коэффициентların yönleri değişmemekte жана kesişimsel cinsiyet örüntüsü korunmaktadır. Bazı коэффициентların mutlak büyüklüğü artmaktadır.

Бул көзөмөл маанилүү; анткени azami faiz hem карыз алуучунун ödeme isteğini hem de байкалбаган finansal sıkışıklığını yansıtabilir. Муну менен бирге azami faizin çıkarılması modelin düzeltilmiş түшүндүрмө gücünü 0,765’ten 0,633’e düşürmektedir.

Убакыт kontrolleri

Yıl туруктуу таасирлерine ek катары yıl–çeyrek туруктуу таасирлерi kullanıldığında негизги cinsiyet, evlilik жана бала etkileşimleri yön bakımından korunmuştur. Бул жыйынтык, bulguların гана белгилүү бир yıl ичиндеги makroekonomik dalgalanmalardan kaynaklanmadığını desteklemektedir.

Ek Şekil 5’te gerçekleşen faizlerle modelin tahmin эткен faizlerin убакыт ичиндеги hareketi karşılaştırılmıştır. İki seri genel eğilimi бирге izlemektedir. Ek Şekil 6’daki hata terimleri de убакыт ичинде belirgin жана sürekli бир yönlü sapma göstermemektedir.

Çapraz doğrulama

Araştırmacılar modelin 665 kredilik тандалмаe aşırı uyum sağlayıp sağlamadığını beş katlı кайчылаш текшерүүyla test etmiştir. Ар бир turda байкооlerin %80’iyle модель kurulmuş жана kalan %20 үстүндө tahmin performansı değerlendirilmiştir.

Ortalama eğitim hatası болжол менен 1,53, тандалма dışı hata болсо болжол менен 1,73’tür. Ana коэффициентlar beş eğitim grubunda benzer büyüklük жана yönleri korumuştur. Azami faiz коэффициентsı бардык katlarda оң жана күчтүү түрдө anlamlıdır.

Бул test modelin гана белгилүү birkaç байкооi ezberlemediğine ilişkin destek sağlar. Бирок кайчылаш текшерүү, коэффициентların nedensel болгонун же кичи alt gruplardaki tahminlerin başka piyasalarda tekrarlanacağını далилlamaz.

Çalışmanın күчтүү жактары

• Алгоритм тарабынан эмес жеке yatırımcı сунуштары менен oluşan gerçek кредит faizleri incelenmiştir.
• Швейцария P2P piyasasının мезгилsel катары %60–%99’unu өкүлдүк eden чоң бир platformun ayrıntılı işlem verileri колдонулган.
• Кредит, borçlu жана makroekonomik özellikler ошол эле modelde değerlendirilmiştir.
• Cinsiyet гана орточо karşılaştırmayla эмес medeni durum жана çocuklarla толук üçlü etkileşim ичинде incelenmiştir.
• Алгачкы жана olgunlaşmış piyasa мезгилleri өзүнчө өзүнчө анализ жасалган.
• Ortalama faiz чейин açıklanamayan faiz dağılımını inceleyen heteroskedastisite modeli kurulmuştur.
• İçsellik үчүн araç değişken, faiz tavanı үчүн Tobit жана дагы ayrıntılı убакыт etkileri колдонулган.
• Azami faiz değişkeni çıkarılarak ana örüntünün tek бир көзөмөл değişkenine bağlı olmadığı gösterilmiştir.
• Beş katlı кайчылаш текшерүүyla тандалма dışı tahmin performansı sınanmıştır.
• Aile durumuna карата marjinal etkiler güven aralıklarıyla бирге sunulmuştur.

Çalışmanın чектөөлөрү

• Çalışma рецензиядан өтпөгөн бир препринтtir.
• Örneklem гана 665 krediden oluşmaktadır.
• Негизги 124 базистик пунктlık жыйынтык, гана 19 үй-бүлө курбаган балалуу аял жана 14 karşılaştırılabilir erkeğin жайгашкан кичи alt gruba dayanmaktadır.
• Гана başarıyla каржылай edilmiş krediler gözlenmektedir.
• Reddedilen же yeterli teklif alamayan başvurular bulunmadığı үчүн krediye erişim жана fonlanma olasılığı incelenememektedir.
• Fonlanma seçilimi cinsiyet жана aile durumuyla байланыштууyse fiyat farkları olduğundan кичи же ар түрдүү görünebilir.
• Gerçek дефолт, gecikme же yatırımcı kaybı sonuçları ana analizde değerlendirilmemektedir.
• Бул себептен жогорку faizin gerçek кредиттик тобокелдикyle orantılı olup olmadığı test edilememektedir.
• Yatırımcıların тобокелдик algısı, önyargısı жана teklif gerekçeleri түздөн-түз gözlenmemektedir.
• İstatistiksel ayrımcılık менен tercih temelli ayrımcılık birbirinden ayrılamamaktadır.
• Veriler tek бир Швейцария platformuna жана 2008–2014 мезгилine aittir.
• Швейцария’nin gelir düzeyi, sosyal коопсуздук системасы, finansal okuryazarlığı жана aile yapısı başka ülkelerden farklıdır.
• Günümüzde чоң P2P platformları çoğunlukla algoritmik кредит skorlama жана platform тарабынан belirlenen fiyat kullanmaktadır.
• Veriler gizli болгону үчүн bağımsız кайра üretilebilirlik sınırlıdır.
• Borçlunun belirlediği azami faiz hem açıklayıcı маалымат hem piyasa sonucu үстүндө etkili olabilecek içsel бир değişkendir.
• Толук тандалма araç değişken analizinde Hansen testi araç geçerliliğini reddetmektedir.
• Дагы кийинки alt тандалмаde bazı ilk aşama F-istatistikleri zayıf araç kaygısını tamamen ortadan kaldırmamaktadır.
• Dönem alt тандалмаleri гана 352 жана 313 кредит içerdiği үчүн üçlü etkileşim tahminleri дагы da кичи hücrelere dayanır.

Изилдөө эмне дейт?

• İncelenen тескери аукцион piyasasında жеке yatırımcılar vade, кредит суммасы, borç yükü жана makroekonomik koşullar сыяктуу тобокелдик göstergelerine системалуу tepki vermiştir.
• Ortalama катары бардык kadınlarla бардык эркектер арасында güvenilir бир faiz айырмасы bulunmamıştır.
• Cinsiyet айырмасы medeni durum жана çocukların varlığıyla бирге ele alındığında görünür hâle gelmektedir.
• Evli болбогон жана 16 жаштан кичүү çocuğu болгон аялдар ошол эле durumdaki erkeklerden болжол менен 124 базистик пункт дагы жогорку faiz ödemiştir.
• Бул айырма 2013–2014 alt тандалмаinde болжол менен 221 базистик пунктa yükselmiştir.
• Çocuğu болбогон borçlularda güvenilir бир аял–эркек faiz айырмасы bulunmamıştır.
• Толук тандалмаde evli жана балалуу borçlularda da güvenilir бир cinsiyet айырмасы yoktur.
• Platform olgunlaştıkça gerçekleşen faizler карыз алуучунун bildirdiği azami faizden дагы fazla uzaklaşmış жана krediye özgü тобокелдик göstergeleri önem kazanmıştır.
• Муну менен бирге белгилүү aile yapısına ilişkin fiyat айырмасы piyasa olgunlaştığında ortadan kalkmamış, büyümüştür.
• Негизги үлгү alternatif модель жана бекемдик kontrollerinde yön bakımından korunmuştur.

Изилдөө эмне дебейт?

• Бардык аялдар erkeklerden дагы жогорку кредит faizi öder.
• Annelik tek başına жогорку faize neden olur.
• Evli болбогон бардык anneler дагы riskli borçludur.
• 124 же 221 базистик пунктlık айырма başka ülkelerde жана günümüz platformlarında aynen geçerlidir.
• Yatırımcıların bilinçli түрдө kadınlara каршы ayrımcılık yaptığı далилlanmıştır.
• Fiyat farkının gerçek дефолт riskini doğru yansıttığı далилlanmıştır.
• Швейцария vatandaşı olmayanların дагы жогорку gerçek кредиттик тобокелдик taşıdığı gösterilmiştir.
• P2P kredileri ар бир durumda банк kredilerinden дагы ucuzdur.
• Algoritmik fiyatlama insan yatırımcılardan otomatik катары дагы adildir.
• Дагы fazla yatırımcı rekabeti бардык demografik fiyat farklarını ortadan kaldırır.
• Çalışma кредит başvurularının kabul edilme же fonlanma ihtimalini açıklamaktadır.

Platform tasarımı açısından önemi

Dijital кредит platformları кайсы bilgilerin yatırımcılara gösterileceğine чечим verir. Gelir, borç yükü жана кредит geçmişi тобокелдик değerlendirmesi үчүн gerekli болушу мүмкүн. Buna karşılık medeni durum, çocuklar, isim же cinsiyeti çağrıştıran bilgiler инвесторлордун gözlenemeyen тобокелдик hakkında grup temelli varsayımlar kurmasına da yol açabilir.

Çalışma, маалымат şeffaflığı менен eşit fiyatlama арасында жөнөкөй болбогон бир denge bulunduğunu көрсөтөт. Дагы fazla маалымат инвесторлордун тобокелдик ayrımını geliştirebilir; бирок ошол эле маалымат toplumsal kalıpların кредит fiyatına taşınmasını da kolaylaştırabilir.

Platformlar açısından olası баалоо alanları şunlardır:

• Faiz farklarının cinsiyet, aile durumu жана diğer korunan özelliklere карата düzenli түрдө denetlenmesi,
• Yatırımcılara gösterilen demografik bilgilerin gerçek кредиттик тобокелдикne katkısının sınanması,
• Benzer тобокелдик profillerine ээ alt gruplarda fiyat eşitliğinin izlenmesi,
• Ачык аукцион arayüzlerinin sürü davranışı жана sezgisel önyargıları artırıp artırmadığının incelenmesi,
• Algoritmik öneriler kullanıldığında eğitim verilerindeki tarihsel fiyat farklılıklarının кайра üretilmemesi.

Algoritmik кредит sistemleri маселеси çözer mi?

Algoritmik fiyatlama, ар бир borçlu үчүн ошол эле hesaplama kurallarını kullanarak жеке инвесторлордун değişken davranışını azaltabilir. Бирок алгоритм geçmişte insan инвесторлордун түзгөн verilerle eğitilirse tarihsel fiyat farklılıklarını öğrenebilir.

Ayrıca aile durumu түздөн-түз modele alınmasa bile posta kodu, meslek, gelir yapısı же harcama davranışı benzer bilgileri dolaylı түрдө taşıyabilir. Бул себептен insan чечими менен algoritmik чечим arasındaki негизги айырма, birinin önyargılı diğerinin tamamen tarafsız болушу эмес.

Ар бир iki sistemde de şu soruların yanıtlanması керек:

• Kullanılan değişken gerçek дефолт riskini канчалык деңгээлде açıklıyor?
• Ошол эле тобокелдик düzeyindeki kişiler ар түрдүү fiyatlanıyor mu?
• Modelin hataları белгилүү gruplarda yoğunlaşıyor mu?
• Чечим süreci denetlenebilir жана açıklanabilir mi?

Gelecek araştırmalar үчүн sorular

• Evli болбогон annelere uygulanan faiz primi gerçek gecikme жана дефолт oranlarıyla ылайык mu?
• Ошол эле кредиттик тобокелдикne ээ borçlularda aile durumu hâlâ fiyat айырмасы yaratıyor mu?
• Yatırımcıya medeni durum жана бала bilgisi gösterilmediğinde teklifler değişiyor mu?
• Yatırımcı deneyimi kesişimsel fiyat farklılıklarını azaltıyor mu, yoksa белгилүү gruplar үчүн güçlendiriyor mu?
• Ачык аукцион sırasındaki önceki teklifler sürü davranışı yoluyla demografik farkları büyütüyor mu?
• Fonlanmayan krediler de dahil edildiğinde kadınların жана ар түрдүү aile türlerinin krediye erişimi nasıl değişiyor?
• Algoritmik fiyatlamaya geçişten мурда жана кийин ошол эле platformdaki farklar nasıl evriliyor?
• Жыйынтыктар ар түрдүү sosyal коопсуздук sistemlerine жана aile normlarına ээ ülkelerde tekrarlanıyor mu?
• Кредит platformlarının adil fiyat denetimleri кайсы değişken жана eşiklerle yapılmalıdır?

Изилдөөнүн методу жана жыйынтыктары

Техникалык изилдөө кыскача баяндамасы

Ana модель коэффициентları

*** p<0,01; ** p<0,05; * p<0,10.

Kesişimsel cinsiyet sonuçlarının özeti

Sağlamlık kontrolleri

Себептүүлүк değerlendirmesi

Çalışmanın ana sonuçları байкооsel кредит verisine dayanmaktadır. Модель көп sayıda finansal жана makroekonomik göstergeyi көзөмөл etmekte жана alternatif tahmin yöntemlerinde benzer örüntüler bulmaktadır. Buna rağmen үй-бүлө курбаган annelerin faiz айырмасы kesin бир nedensel ayrımcılık tahmini катары değerlendirilemez.

Nedensel yorumun önündeki başlıca engeller şunlardır:

• Yatırımcıların görebildiği бирок araştırmacı modeline girmeyen тобокелдик bilgileri bulunabilir.
• Гана каржылай жасалган krediler gözlendiği үчүн başvuru жана fonlanma seçilimi vardır.
• Gerçek geri ödeme жана дефолт sonuçları kullanılmamaktadır.
• Merkezî жыйынтык кичи бир alt gruba dayanmaktadır.
• Araç değişken analizinin tanımlama testleri бардык тандалмаlerde ошол эле derecede güçlü эмес.

Бул себептен en güvenilir çıkarım şudur: İncelenen yatırımcı temelli кредит ачык artırmasında standart finansal özellikler көзөмөл edildikten кийин үй-бүлө курбаган жана балалуу kadınlarla karşılaştırılabilir эркектер арасында чоң жана статистикалык жактан маанилүү бир fiyat айырмасы gözlenmiştir. Бул farkın gerçek тобокелдик, grup temelli genelleme же ayrımcı tercih bileşenlerine kesin dağılımı belirlenememektedir.

Булак жана метод эскертүүсү

Çalışmanın толук түпнуска аты: Gender and Family Status in Peer-to-Peer Lending: Evidence from Loan Auctions

Авторлор жана ирети: Reto Rey; Andreas Dietrich

Eş katkı же eş birinci yazarlık: PDF’de eş katkı ya da eş birinci yazarlık açıklaması жок.

Sorumlu автор: Reto Rey

Sorumlu автор e-postası: reto.rey@hslu.ch

ORCID: Reto Rey — 0000-0002-6591-6349

Kurumsal bağlantı: Institute of Financial Services IFZ, Lucerne University of Applied Sciences and Arts, 6343 Rotkreuz, Switzerland

DOI:10.2139/ssrn.7041699

SSRN жазуу numarası: 7041699

Жарыялоо платформасы: SSRN

Журнал же конференция: PDF’de hakemli журнал же конференция yayını belirtilmemiştir.

Yayınevi: Ayrı бир akademik yayınevi belirtilmemiştir; изилдөө SSRN препринтi катары sunulmaktadır.

Жарыялоо yılı: 2026

Sürüm tarihi: PDF’nin ilk kapak sayfasında 22 Nisan 2026 yazmaktadır. PDF ичинде yinelenen ikinci özet sayfasında 21 Nisan 2026 tarihi yer almaktadır. Бул бир günlük iç tutarsızlık nedeniyle ana kapaktaki 22 Nisan 2026 tarihi негизинен alınmıştır.

Булак türü: Gözlemsel кредит verisine dayanan ekonometrik препринт изилдөө makalesi

Рецензия статусу: Çalışma рецензиядан өтпөгөнtir. PDF’nin бардык sayfalarında “Preprint not peer reviewed” uyarısı бар.

Resmî жарыялоо bağlantısı:SSRN üzerindeki resmî изилдөө kaydı

Finansman: Авторлор kamu, ticari же коммерциялык эмес finansman уюмдарından bu изилдөө үчүн özel бир hibe alınmadığını bildirmiştir.

Teşekkür: Thorsten Hens, Stefan Zeisberger, Steven Ongena, Alfredo Martin-Oliver жана University of Zurich Research BBL Seminar in Banking and Finance katılımcılarına teşekkür жасалган.

Yapay zekâ kullanım beyanı: Авторлор ana dil konuşuru olmadıkları үчүн dil hatalarının düzeltilmesinde ChatGPT kullandıklarını; ardından metni gözden geçirip düzenlediklerini жана изилдөөnın içeriğinden толук sorumluluk aldıklarını açıklamıştır.

Маалымат erişimi: Кредит düzeyindeki veriler gizli olup kamuya açılamamaktadır. Verilerin anonimleştirilmiş болгону жана жеке катары tanımlanabilir маалымат içermediği belirtilmiştir.

Бул Türkçe makale yüklenen 46 sayfalık PDF’nin iki özet sürümü, ana metni, kurumsal ачык аукцион açıklaması, формулалары, değişken tanımları, literatür tablosu, tanımlayıcı istatistikleri, faiz dağılımı histogramları, ana регрессия tabloları, kesişimsel marjinal etki grafikleri, мезгил analizleri, varyans denklemi, araç değişken sonuçları, Tobit анализи, gerçek–tahmin жасалган faiz grafikleri жана кайчылаш текшерүү tablosu incelenerek hazırlanmıştır.

PDF dışında жаңы бир finansal жыйынтык, gerçek дефолт karşılaştırması, kesin ayrımcılık дооматsı же günümüz P2P piyasalarına ilişkin desteklenmeyen genelleme eklenmemiştir.

Çalışmanın негизги чектөөлөрү; рецензиядан өтпөгөн болушу, гана каржылай edilmiş 665 krediye dayanması, merkezî sonucun көп кичи бир aile durumu alt grubundan gelmesi, gerçek дефолт sonuçlarını içermemesi, gizli veriler nedeniyle кайра üretilebilirliğin sınırlı болушу жана tarihsel Швейцария ачык аукцион piyasasının günümüz algoritmik кредит platformlarını өкүлдүк etmemesidir.